Sobre a Calculadora de xG

Quem está por trás deste projeto?

A Calculadora de xG é um projeto independente e não comercial desenvolvido por Andre Schlaepfer. O projeto nasceu do seu trabalho de conclusão de curso na UFRJ (Universidade Federal do Rio de Janeiro) sobre modelos de expected goals, orientado pelo Prof. Dr. Pedro Henrique Gonzalez Silva no Laboratório ACE. O objetivo é simples: dar a torcedores curiosos, estudantes e analistas um único lugar onde possam experimentar cenários de chute e ver como diferentes modelos acadêmicos avaliam a mesma situação. Sem login, sem paywall e sem coleta de dados além do necessário para os anúncios que mantêm o site no ar.

O que é Expected Goals (xG)?

Expected goals (xG) é uma métrica estatística que estima a probabilidade de um chute resultar em gol, com base em fatores como posição do chute, ângulo ao gol, distância, pressão defensiva e parte do corpo usada. Em vez de simplesmente contar gols ou chutes, o xG avalia a qualidade de cada oportunidade de gol.

Essa métrica se tornou uma ferramenta padrão na análise profissional de futebol. Técnicos, analistas e comentaristas usam o xG para avaliar o desempenho de times e jogadores com mais precisão do que as estatísticas tradicionais permitem. Um time que consistentemente cria chances de alto xG está gerando melhores oportunidades, mesmo que o placar nem sempre reflita.

Como este simulador funciona?

Este simulador interativo permite recriar qualquer cenário de chute em um meio-campo. Você posiciona atacantes, defensores e o goleiro, escolhe quem está finalizando e envia o cenário ao backend. O backend calcula valores de xG usando vários modelos acadêmicos simultaneamente, permitindo comparar como diferentes abordagens avaliam o mesmo chute.

Cada modelo usa entradas e metodologias diferentes. Alguns dependem principalmente de distância e ângulo, enquanto outros incorporam posições dos defensores, localização do goleiro e contexto do chute, como técnica e parte do corpo. Ver os resultados lado a lado evidencia como as premissas de cada modelo afetam a probabilidade estimada.

Modelos implementados

A calculadora implementa atualmente modelos dos seguintes trabalhos acadêmicos. Cada um segue uma abordagem diferente para estimar o xG, indo de probabilidades por zonas a aprendizado de máquina com dados posicionais:

• Rathke (2017) — xG por zonas usando percentuais históricos de gols por área do campo.
• Karim & Marwane (2023) — Introduz o Kos Angle como parâmetro otimizador para modelos de xG.
• Matteotti & Sotudeh — Usa redes neurais convolucionais (CNNs) para estimar xG a partir de dados espaciais.
• xG Agregado — Modelo combinado que considera posição dos jogadores, densidade e contexto defensivo.

Por que usar este simulador?

A maioria das ferramentas de xG mostra um único valor por chute. Esta calculadora é diferente porque mostra como vários modelos acadêmicos avaliam o mesmo cenário. Isso é útil para:

• Entender como o contexto do chute (posição, defensores, ângulo) afeta o xG em diferentes modelos.
• Aprender sobre a metodologia do xG experimentando com posicionamento de jogadores.
• Comparar modelos acadêmicos de xG lado a lado em um ambiente interativo.
• Importar chutes reais de partidas para ver como os modelos os avaliariam.